Sinumerik840D的误差补偿技术

利用数控系统的误差补偿技术可以在成本投入不大的情况下提高机床的加工精度。西门子Sinumerik840D数控系统提供了多种误差补偿功能,用来弥补因机床的机械部件制造、装配工艺和环境变化等因素引起的误差。通过说明多种误差产生的原因,阐述Sinuraerik840D数控系统中反向间隙、螺距误差和垂度误差的补偿原理和补偿方法,这对推广误差补偿技术、进一步提高机床的加工精度有一定的借鉴作用。     

CK61315重型数控车床轴线精度的检测与补偿研究

分析了数控机床螺距误差产生的原因及误差补偿原理,利用模糊神经网络方法针对SINU-MER IK 810D/840D数控系统,详细介绍了螺距误差补偿相关的机床参数、系统变量、补偿方法与步骤。最后,介绍了螺距误差补偿应用的范围。     

嵌入式数控机床热误差补偿装置设计与实现

为减少热误差对数控机床加工精度的影响,针对华中数控HNC-848型数控系统机床设计了一种嵌入式热误差补偿装置。该装置采用基于STM32+FPGA的嵌入式系统设计方法,实现机床温度数据获取、热误差建模、热误差补偿执行等功能。利用采集的前2 160组优化后机床测温点数据在STM32处理器内进行多元线性回归热误差建模,后2 160组优化后数据进行热误差预测。测试结果表明该装置热误差预测效果良好。通过在机床数控系统编写补偿子程序,利用该热误差补偿装置,实现了热误差实时补偿功能。     

减小CNC机床定位误差方法的研究

提出了基于“华工2000型”数控系统CNC机床的定位误差的一软件补偿方法，该方法克服了等间距定位误差补偿的缺点，使定位误差补偿的位置可随机设定，建立了数控机床定位误差软件补偿的数学模型。在ZJK7532加工中心上进行的补偿实验表明，采用本补偿方法能使机床的定位误差减小70％以上。     

神经网络用于数控系统误差预报补偿技术的研究

为了提高机床数控系统的廓形加工精度，本文通过研究人工神经网络的加工误差预报补偿技术以提高计算机数控系统（ＣＮＣ）的廓形加工精度，并且取得了良好的效果     

基于BP神经网络的丝杠硬旋铣热伸长研究

研究硬旋铣加工时工件的热变形对提高工件加工精度、掌握硬旋铣加工技术是至关重要的。文章基于高效环保的滚珠丝杠螺纹硬旋铣工艺,围绕提高硬旋铣加工螺距精度问题,针对加工过程中的工件热伸长及误差补偿方法,通过基于BP神经网络算法的热伸长研究及补偿实验研究,探索了工件热伸长变化的特征值提取、BP预测模型的建立及验证、热伸长误差的补偿方法。结果表明:根据特征值法建立的BP神经网络热伸长预测模型精度较高,根据模型预测结果进行螺距误差插补补偿加工能够提高滚珠丝杠硬旋铣加工的螺距精度。     

大型龙门机床的直线度误差建模及误差补偿

为减小大型龙门数控机床空间直线度误差,提高国产数控机床加工精度,提出基于B样条曲线的空间直线度误差模型及其补偿方法。使用激光干涉仪分别检测三轴龙门数控机床6个方向的直线度误差,应用B样条方法建立空间直线度误差数学模型.利用数控系统外部机械原点偏移功能,应用自主研发的误差实时补偿系统并依据基于B样条曲线的空间直线度误差数学模型,实现对大型龙门数控机床的空间直线度误差补偿.采用两轴联动补偿切削导轨面的方法进行试验,并与多项式模型和斜线插补模型进行对比,结果表明:B样条模型补偿后的导轨直线度最优,检测的导轨各方向直线度误差均减小90%以上,显著提高了大型龙门数控机床加工精度.     

保证快速模具集成系统精度的探索

介绍了利用RP技术的快速性和铸造工艺的成熟性制造功能性产品的CAE系统,分析了影响产品精度的因素,提出了用非线性有限元分析三个主要成型阶段的精度,采用模式识别理论、误差理论、神经网络方法处理误差反馈问题,进行误差补偿修正和加工精度的预报,提高最终产品质量的方法。     

基于Matlab-GUI数控机床热误差补偿的仿真系统

为了使数控机床加工精度得以提高,对数控机床热误差补偿系统进行研究。在建立基于BP神经网络数控机床热误差补偿模型的同时,运用Matlab-GUI工具设计了具有通用性交互式数控机床热误差补偿的仿真系统,该系统可使热误差补偿更具有实时性、在线高效性和补偿系统操作可视化。     

精密车削中心热误差和切削力误差综合建模

热误差和切削力误差是影响数控机床精度的最重要的两个误差源,误差补偿技术是一种消除机床误差经济有效的方法,而有效的误差补偿依赖于准确的误差模型.在对切削加工过程中的热变形和切削力分析的基础上,选取合理的参量,采用BP神经网络和PSO算法相结合的优化方法建立了热误差和切削力综合模型.BP-PSO建模方法改善了网络模型的收敛速度和预测精度.基于所建误差模型,对一台精密车削中心加工实时补偿后使得径向加工误差从27 μm提高到8 μm,大大提高了车削加工中心的加工精度,验证了模型精度.     

基于注意力机制的数控机床热误差深度学习预测方法

为提高热误差预测精度和鲁棒性,提出一种基于注意力机制和深度学习网络的数控机床热误差预测模型。采用数据转化策略,将数控机床原始温度数据转化为温度图像,直接作为深度学习网络的输入;提出一种基于注意力机制的温度敏感点识别网络,根据温度测点与热误差关联程度,赋予各温度测点不同的权值,避免了温度测点的人为选取弊端;建立12层深度CNN学习预测网络,利用其强大的图像特征学习能力,挖掘温度图像与热误差的非线性映射关系,无需对温度关键点进行预选择,保留了更多的热误差与机床温度特征关系,显著提高了模型预测精度。为了提高热误差模型的精度与泛化能力,引入Dropout正则化方法和Adam优化算法,对深度卷积神经网络的结构与参数进行了优化。该方法在针对G460L型数控车床的热误差验证中表现出较高的预测精度。通过与BP神经网络和多元回归等传统热误差模型进行对比,深度卷积神经网络框架下的热误差模型在泛化性指标上表现更优。     

开放式微机数控系统实现技术研究

根据开放式微机数控系统的研究进展，讨论了三种构建开放式微机数控系统的技术与方法，论文指出数控专用模板嵌入通用PC机构成的数控系统具有了初步开放的特点；基于开放式可编程运动控制器的结构是比较先进的技术，实现了两个级别的开放；全软件式数控系统是一种全新概念的开放式数控系统，使系统高度开放性的实现成为可能。     

基于BP算法的光纤传感器非线性位移补偿研究

针对光纤位移传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用BP算法,以传感器的输出作为神经网络的输入样本.传感器的输入位移为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现位移测量的非线性补偿.实例仿真结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

基于神经网络算法的一维PSD非线性修正

分析了PSD(position sensitive detetor)的非线性成因,并根据PSD的非线性特点,提出一种基于神经网络的PSD非线性补偿方法,利用神经网络具有逼近任意非线性函数的特点,通过训练使神经网络建立在PSD输出与其理想值之间的非线性映射关系,实现PSD非线性补偿．从而使PSD的非线性区获得了与线性区近似的线性度．实验结果表明,该方法能有效地消除非线性的影响,在神经网络的输出端得到期望的线性输出．     

管材弯曲回弹对内高压成形的影响及补偿方法

管材数控弯曲后的回弹严重影响试件成形精度,容易导致弯曲管内高压成形过程起皱缺陷．为了补偿回弹,避免内高压成形过程的缺陷,首先建立管材塑性弯曲理论模型以及材料的弹塑性线性强化模型,通过理论解析得到弯曲回弹量表达式;其次对实验过程中不同弯曲角度下的回弹量进行线性回归分析. 拟合结果表明: 理论上对于回弹角的预测是合理的; 同时将理论预测得到的回弹量补偿到管材数控弯曲过程,消除弯曲管内高压成形过程起皱缺陷,得到尺寸精度合格的试件．     

基于模糊神经网络的水下潜器多变量解耦控制研究

潜器在水下进行特殊作业时，需保持空间六自由度的定位姿态，对定位的控制存在叉影响，因而给潜器的精确控制带来困难。针对这一控制非线性系统，提出了一种基于模糊神经网络(DFN)控制方法，该方法对非线性多变量动态系统具有较强的处理能力；它将多输入多输出的复杂系统转变成神经网络设计和耦合补偿结构，预估补偿器方法是通过预定试验的离线学习，获得耦合的预估知识，然后在线完成补偿，仿真结果显示该方法具有很好的鲁棒性。